局部特征重叠的行人属性识别方法
针对目前的行人属性识别方法存在行人属性数据不均衡、行人特征表达能力不足、鲁棒性差的问题,本文提出局部特征重叠与行人属性识别相结合的方法.网络使用全局和局部两个分支来提升网络整体特征表达能力,在局部分支中将得到的特征图切分为几块大小相同的几个部分并使用Focal loss计算每个属性的损失解决行人属性不均衡问题.最后将投票选出的各属性最优损失与全局特征计算出来的ID损失共同作为模型总损失.在Market-1501_attribute和DukeMTMC-attribute两个行人属性数据集上进行测试,实验结果表明所提方法能够有效提高行人重识别的准确性.
行人重识别、全局特征、局部特征、属性信息、Focal loss
31
TP391;TP274;O175.13
黑龙江省自然科学基金LH2020F003
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
381-385